Este projeto implementa um sistema de robo-trading usando aprendizado por reforço para tomar decisões automatizadas de compra e venda em mercados financeiros. O modelo é treinado em dados históricos e ajusta suas estratégias com base em recompensas acumuladas.
- Configuração do Ambiente: Instale as dependências necessárias listadas no arquivo notebook.
- Ativos: escolha o ativo e obtenha seus dados através do yfinance.
- Treinamento do Modelo: Execute o script de treinamento para permitir que o agente aprenda com dados históricos.
- Dados históricos: Obtenção de dados financeiros para treinamento de modelo.
- Aprendizado por Reforço: Implementação do algoritmo Q-learning para treinar um agente em decisões de compra e venda.
-
/src: Código-fonte do projeto, incluindo implementação do algoritmo Q-learning e lógica de negociação. -
/data: Dados históricos utilizados para treinamento e avaliação do modelo. -
/notebooks: Notebooks Jupyter com análises exploratórias e experimentos.
- Linguagem Python
- Jupyter notebook
- yFinance
- Pandas
- Plotly
- NumPy
Este projeto de robo-trading com aprendizado por reforço proporcionou uma compreensão prática dos fundamentos, incluindo a implementação de algoritmo Q-learning. A integração de dados financeiros permitiu a construção de um sistema automatizado de tomada de decisões de compra e venda.
Contribuições são bem-vindas! Sinta-se à vontade para abrir issues, propor melhorias ou fazer pull requests.
Wellington Moreira -Linkedin - wsantos08@hotmail.com
Link Projeto: - https://github.com/wellington-moreira-santos/qlearning-acoes